Was sind konjugierte Verteilungen und warum sind sie praktisch?

Konjugierte Verteilungen sind Paare von Verteilungen, bei denen die posteriore Verteilung zur gleichen Familie gehört wie die a priori-Verteilung, nach der Aktualisierung basierend auf den beobachteten Daten.

Das ist praktisch, weil es ermöglicht, die posteriore Verteilung analytisch zu berechnen, ohne komplexe numerische Methoden, was die bayessche Inferenz erheblich vereinfacht.

Zum Beispiel, wenn die a priori-Verteilung des Parameters eine Beta-Verteilung ist und die Daten binomial sind, dann wird die posteriore Verteilung ebenfalls eine Beta-Verteilung mit aktualisierten Parametern sein.

In Aufgaben des maschinellen Lernens und bayesschen Modellen beschleunigt die Verwendung konjugierter Verteilungen das Training und vereinfacht die Berechnungen, was besonders bei Gaußschen Prozessen (GP) und Bayesscher Optimierung (BO) wichtig ist.